6/16 (월)

# 조건: 'price_band'가 'mid_50k_150k'이고 'user_type'이 'new'인 데이터 필터링 mid_price_new_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'new') ] # traffic_source별 add_to_cart (Yes/No) 개수 집계 grouped_cart = ( mid_price_new_df .groupby(['traffic_source', 'add_to_cart']) .size() .unstack(fill_value=0) .reindex(columns=['Yes', 'No']) # 대소문자 정확히 맞춰야 함! .reset_index() ) print(grouped_cart) add_to_cart traffic_source Yes No 0 ad 12% 87% 1 organic 17% 83% 2 search 23% 77%

import pandas as pd # CSV 파일 불러오기 merged_df = pd.read_csv("merged_version.csv") # 1. 'mid_50k_150k' + 'new' 조건 필터링 mid_price_new_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'new') ] # 2. add_to_cart가 'No'인 사람만 added_to_cart_df = mid_price_new_df[mid_price_new_df['add_to_cart'] == 'No'] # 3. traffic_source별 discount_exposed (True/False/NaN 포함) 개수 집계 discount_counts = ( added_to_cart_df .groupby(['traffic_source', 'discount_exposed']) .size() .unstack(fill_value=0) ) # 4. 비율(%) 계산 discount_ratios = (discount_counts.T / discount_counts.sum(axis=1)).T * 100 discount_ratios = discount_ratios.round(2).reset_index() # 결과 출력 print(discount_ratios) discount_exposed traffic_source True False 0 ad 55% 44% 1 organic 60% 40% 2 search 42% 57%

# 1. 'mid_50k_150k' 가격대, 신규 사용자 필터링 (이미 있으니 생략 가능) mid_price_new_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'new') ] # 2. 장바구니에 담지 않은 사용자만 필터 no_cart_df = mid_price_new_df[mid_price_new_df['add_to_cart'] == 'No'] # 3. traffic_source별, review_clicked별 사용자 수 집계 review_click_counts = ( no_cart_df .groupby(['traffic_source', 'review_clicked'])['user_id'] .count() .unstack(fill_value=0) .reset_index() ) print(review_click_counts) review_clicked traffic_source False True 0 ad 68% 32% 1 organic 80% 20% 2 search 79% 21%

# 조건: 'price_band'가 'mid_50k_150k'이고 'user_type'이 'returning'인 데이터 필터링 mid_price_new_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'returning') ] # traffic_source별 add_to_cart (Yes/No) 개수 집계 grouped_cart = ( mid_price_new_df .groupby(['traffic_source', 'add_to_cart']) .size() .unstack(fill_value=0) .reindex(columns=['Yes', 'No']) # 대소문자 정확히 맞춰야 함! .reset_index() ) print(grouped_cart) add_to_cart traffic_source Yes No 0 ad 18% 81% 1 organic 28% 72% 2 search 28% 72%

import pandas as pd # CSV 파일 불러오기 merged_df = pd.read_csv("merged_version.csv") # 1. 조건: mid_50k_150k & returning mid_price_returning_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'returning') ] # 2. 장바구니에 담지 않은 사람만 no_cart_df = mid_price_returning_df[mid_price_returning_df['add_to_cart'] == 'No'] # 3. traffic_source별 discount_exposed (True/False/NaN) 개수 집계 discount_counts = ( no_cart_df .groupby(['traffic_source', 'discount_exposed']) .size() .unstack(fill_value=0) ) # 4. 비율(%)로 정규화 discount_ratio = (discount_counts.T / discount_counts.sum(axis=1)).T * 100 discount_ratio = discount_ratio.round(2).reset_index() # 결과 출력 print(discount_ratio) traffic_source True False ad 52% 48% organic 77% 23% search 48% 52%

# 1. 'mid_50k_150k' 가격대, 재방문 사용자 필터링 mid_price_returning_df = merged_df[ (merged_df['price_band'] == 'mid_50k_150k') & (merged_df['user_type'] == 'returning') ] # 2. 장바구니에 담지 않은 사용자만 추출 no_cart_returning = mid_price_returning_df[mid_price_returning_df['add_to_cart'] == 'No'] # 3. traffic_source별, review_clicked별 건수 집계 counts = ( no_cart_returning .groupby(['traffic_source', 'review_clicked'])['user_id'] .count() .unstack(fill_value=0) ) # 4. traffic_source별 합계로 나눠 비율(%) 계산 rates = ( counts .div(counts.sum(axis=1), axis=0) .mul(100) .round(1) .reset_index() ) print(rates) review_clicked traffic_source False True 0 ad 52% 48% 1 organic 84% 15% 2 search 67% 33%